前言
Compound允許參與者無需許可就能借入和借出以太坊資產，為借款人提供有吸引力的利率，為貸款人提供被動利率收入。透過在流動性池中對貸款人使用抵押品攤銷風險，自2018年以來聚合的以太坊智慧合約一直是提供加密服務的盈利場所。
然而，儘管其增長遠遠超過了9位數（美元價值），而沒有任何貸款損失，但在極端條件下，技術上仍然有可能發生借款人拖欠借款和貸款人損失本金的情況。瞭解這種極端故障情況何時發生可以幫助我們瞭解與協議相關的各種型別的風險，包括協議安全風險、治理風險、和市場風險。本報告的重點是評估市場風險——使用者因智慧合約本身以外的市場波動而遭受損失的風險。
我們使用嚴格的市場風險定義來構建模擬壓力測試，評估Compound協議的經濟安全性，因為它可以承載數十億美元的加密資產。這種壓力測試以歷史資料為基礎進行訓練，並透過一系列場景來表示協議的預期最壞的經濟結果。我們的壓力測試類似於如何在高頻交易和演算法交易中進行交易級回測。這些技術用於在傳統系統化交易策略部署到市場之前的市場風險評估。由於基金管理的資產超過1萬億美元，使用這些技術向風險管理人提供每日精算分析，我們認為這些是評估市場風險的最佳方法。透過修改這些技術來處理加密貨幣的特性，我們能夠提供類似的統計資料分析加密市場的風險作為參考。
本報告的第一部分將定義 Compound protocol 使用者所面臨的一系列市場風險，並將其分解為主要的定量成分。隨後，我們將描述 Compound 協議的清算機制背後的激勵機制。最後，我們將詳述清算人的交易策略，和分析其激勵和預期回報的市場影響模型。
第二部分主要介紹Compound智慧合約基於代理的模擬（agent-based simulation，ABS）模擬的方法和結果。我們的方法利用模擬來緊密複製使用者在Compound協議中互動的實時環境。這種方法和我們的一些新技術，如自定義以太坊虛擬機器，確保我們的結果以高保真度複製現實。最後，我們詳細說明了這些模擬的結果，為Compound協議破產可能性的條件提供了精算保證。
我們的結論表明，Compound 協議可以擴充套件到更大的規模，並處理更多抵押品型別的高波動性場景。特別是，我們發現了統計上顯著的證據，即使像Ether（ETH）它的最大歷史波動性情況下，Compound 系統能夠將借款總額增加10倍以上，同時違約率低於1%。
市場風險的定義
1 市場風險
Compound 協議的分散性使得風險評估比傳統市場上的類似評估更加複雜和關鍵。這種複雜性增加的主要原因是Compound 協議中參與者行為及它們與外部市場（如中心化加密貨幣交易所）的互動的多樣性。與關注智慧合約內生技術風險的形式化驗證和智慧合約審計不同，協議市場風險的經濟分析側重於外部衝擊如何影響參與者行為。由於Compound 協議使用流動性供給和借貸需求的確定函式來確定貸款和借款的利率，因此只需考慮市場價格、供給行為和借款需求，即可準確地模擬外部風險（見附錄10）。更具體地說，以下為市場外部風險的主要來源：
Compound允許參與者無需許可就能借入和借出以太坊資產，為借款人提供有吸引力的利率，為貸款人提供被動利率收入。透過在流動性池中對貸款人使用抵押品攤銷風險，自2018年以來聚合的以太坊智慧合約一直是提供加密服務的盈利場所。
然而，儘管其增長遠遠超過了9位數（美元價值），而沒有任何貸款損失，但在極端條件下，技術上仍然有可能發生借款人拖欠借款和貸款人損失本金的情況。瞭解這種極端故障情況何時發生可以幫助我們瞭解與協議相關的各種型別的風險，包括協議安全風險、治理風險、和市場風險。本報告的重點是評估市場風險——使用者因智慧合約本身以外的市場波動而遭受損失的風險。
我們使用嚴格的市場風險定義來構建模擬壓力測試，評估Compound協議的經濟安全性，因為它可以承載數十億美元的加密資產。這種壓力測試以歷史資料為基礎進行訓練，並透過一系列場景來表示協議的預期最壞的經濟結果。我們的壓力測試類似於如何在高頻交易和演算法交易中進行交易級回測。這些技術用於在傳統系統化交易策略部署到市場之前的市場風險評估。由於基金管理的資產超過1萬億美元，使用這些技術向風險管理人提供每日精算分析，我們認為這些是評估市場風險的最佳方法。透過修改這些技術來處理加密貨幣的特性，我們能夠提供類似的統計資料分析加密市場的風險作為參考。
本報告的第一部分將定義 Compound protocol 使用者所面臨的一系列市場風險，並將其分解為主要的定量成分。隨後，我們將描述 Compound 協議的清算機制背後的激勵機制。最後，我們將詳述清算人的交易策略，和分析其激勵和預期回報的市場影響模型。
第二部分主要介紹Compound智慧合約基於代理的模擬（agent-based simulation，ABS）模擬的方法和結果。我們的方法利用模擬來緊密複製使用者在Compound協議中互動的實時環境。這種方法和我們的一些新技術，如自定義以太坊虛擬機器，確保我們的結果以高保真度複製現實。最後，我們詳細說明了這些模擬的結果，為Compound協議破產可能性的條件提供了精算保證。
我們的結論表明，Compound 協議可以擴充套件到更大的規模，並處理更多抵押品型別的高波動性場景。特別是，我們發現了統計上顯著的證據，即使像Ether（ETH）它的最大歷史波動性情況下，Compound 系統能夠將借款總額增加10倍以上，同時違約率低於1%。
市場風險的定義
1 市場風險
Compound 協議的分散性使得風險評估比傳統市場上的類似評估更加複雜和關鍵。這種複雜性增加的主要原因是Compound 協議中參與者行為及它們與外部市場（如中心化加密貨幣交易所）的互動的多樣性。與關注智慧合約內生技術風險的形式化驗證和智慧合約審計不同，協議市場風險的經濟分析側重於外部衝擊如何影響參與者行為。由於Compound 協議使用流動性供給和借貸需求的確定函式來確定貸款和借款的利率，因此只需考慮市場價格、供給行為和借款需求，即可準確地模擬外部風險（見附錄10）。更具體地說，以下為市場外部風險的主要來源：
- 抵押品價格的市場衝擊，導致合約因抵押不足而被清算
- 外部市場流動性缺失，導致清算人不願意清算違約抵押品
- 一連串的清算影響外部市場價格，進而導致進一步更多的違約及清算（即通縮螺旋）
為了量化這些風險因素的影響，我們首先需要深入研究Compound協議中資產和負債的概念。
1.1 DeFi中的資產及負債
在Compound協議中，借款人將其ERC-20資產抵押給一個流動性池，並從流動資金池中借取一定數額的資金。借取的數額由擔保係數控制，即最大未償債務與擔保品價值的比率。該體系迫使借款人對其借入資產（如完全有擔保的信貸安排）進行超額抵押，從而強制執行抵押資產必須始終大於負債。例如，一個人可以在合約中存入100美元的ETH，如果合同的擔保係數為75%，則可以借取75美元。借款人的抵押係數要求是未償債務的價值除以抵押品價值的比率。當借款人的抵押品資產價值低於抵押品要求時，抵押品頭寸就會被清算。
Compound 的淨負債定義為資產價值減去負債，因此當淨負債為正時，系統被視為有償付能力。作為一個去中心化借貸協議，Compound利用一系列經濟激勵措施來確保淨負債始終為正。當抵押品的市場價值低於抵押要求時，協議以折扣價將抵押品出售給清算人。這種折扣稱為清算激勵，為清算人提供了從協議中購買抵押品的財務激勵，有效地代表借款人償還所藉資產。對於清算，協議的作用就像銀行在止贖拍賣中出售違約資產以增加其淨負債一樣。尤其是，清算人的行為類似於喪失抵押品贖回權的拍賣贏家，後者通常能夠折價認領違約資產。
一個簡單的例子，假設Compound協議有一個ETH借款頭寸處於預設狀態，當前抵押品金額等於100美元。如果清算獎勵為105%（5%額外獎金），則清算人將支付Compound智慧合約95美元獲得ETH抵押品。此外，如果清算人有較低的時間偏好（附錄11.6.2），則他們將盡快出售抵押品。在實踐中，Compound協議只允許清算人清算一部分借款金額，他們收到的抵押品相當於償還借款價值的105%。這有利於提高借入資產剩餘部分的抵押比率，同時避免完全關閉借入頭寸的複雜機制。在這個意義上，Compound清算類似於演算法交易策略，因此要成為第一個要求部分抵押品並在市場上以最低的交易和延期成本出售抵押品的清算人是一場競賽。
1.1.1 合成資產：cTokens
資產和負債的處理方式略有不同——從技術上講，貸款人和借款人相互作用的資產是CToken。這些代幣包裝成標準的ERC20資產，作為資產或有債權和賺取的利息。貸款人以ERC-20代幣的形式提供資產並返還cToken，而借款人提供抵押品，抵押品轉換為cToken並用於支付未償利息。與傳統資產不同，cTokens在每次更新區塊時都會按比例向持有人支付款項，從而立即實現賺取的利息。
從技術上講，如果合同中有許多未償還的借款資產，而這些資產沒有作為抵押品償還，cToken將無法轉換回標的資產。這意味著合同缺乏流動性，但不一定資不抵債。本報告的重點是償付能力，在未來的分析中將更深入地考慮流動性。
1.2 風險敏感引數
協議設計人員可以在Compound 協議中運用的降低風險的主要槓桿是附帶因素和清算激勵。然而，這兩個槓桿以不同的方式影響協議的激勵。抵押品價值影響著借款人的選擇——越接近或低於100%，風險越大，借款人就越有可能違約。另一方面，清算激勵機制控制清算人從智慧合約的資產負債表中提取負債的可能性。根據Compound 協議，違約的借款抵押資產成為負債的時間越短，清算激勵越高。如果我們剖析第1部分中的三個風險成分是如何與這兩個引數聯絡起來的，我們會發現：
協議設計人員可以在Compound 協議中運用的降低風險的主要槓桿是附帶因素和清算激勵。然而，這兩個槓桿以不同的方式影響協議的激勵。抵押品價值影響著借款人的選擇——越接近或低於100%，風險越大，借款人就越有可能違約。另一方面，清算激勵機制控制清算人從智慧合約的資產負債表中提取負債的可能性。根據Compound 協議，違約的借款抵押資產成為負債的時間越短，清算激勵越高。如果我們剖析第1部分中的三個風險成分是如何與這兩個引數聯絡起來的，我們會發現：
- 抵押品固有的風險與抵押品市場價格的衝擊的性質有關
- 時間偏好較低的清算人面臨的風險與外部市場流動性缺失有關
- 層疊式清算影響抵押品因素和清算激勵，因為它們在價格衝擊和流動性缺失之間形成了一個反饋迴路
這意味著，在正常市場條件下，當清算是獨立分配（例如不相關）時，抵押品因素和清算激勵分別控制借款人風險和貸款人彌補損失的能力。然而，在清算具有“連鎖”效應且相互關聯的情況下，這些引數同時影響借款人和貸款人的行為。因此，要研究真實的市場風險系統，我們需要對各種市場和流動性狀況進行抽樣，以便對這些情景進行壓力測試。
2 清算
類似於傳統金融中的止贖出售，清算人可以用折扣償還未償債務，以換取借款人的cToken抵押品。在止贖銷售和Compound清算中，折扣都被用來激勵購買違約抵押品。Compound協議透過向清算人提供額外的抵押品折扣作為清算激勵。然而，與止贖出售的全部或無交易不同，個人清算人只能償還部分債務。關閉因子是協議引數，指定有資格由任何個人清算人清算的比例。當清算人發現一筆有利可圖的交易時，她將償還一部分未償債務（由收盤因素決定），作為對借款人抵押品的回報。根據清算人的風險偏好，清算人可以立即出售抵押品，以防範價格波動風險，也有持有收到的抵押品的。
清算激勵為清算人創造了套利機會，以換取Compound風險敞口的減少。清算激勵越高，清算人參與清算過程的次數越多，因為相對於市場價格，他們獲得的折扣更大。換言之，調整清算激勵機制是調整協議安全邊界的最有效途徑之一。清算激勵也會影響借款人在協議範圍內借入資產的決定。當借款人的留置權被清算時，清算激勵可被視為清算抵押品的獎金金額，該金額被給予清算人，以補償其在從協議的資產負債表中提取債務時所產生的風險。如果清算激勵過高，借款人可能一開始就不願意借款，也可能會提高借款頭寸，維持較高的抵押係數。一般而言，人們預計清算激勵措施的增加會對借貸需求產生負面影響。
抵押係數定義了協議中啟用的每個資產的最大借款能力。借款人必須管理自己的債務，並將其留置權抵押，以確保在最大借款能力方面有一定的安全邊際。這種安全邊際隨市場情況而波動，取決於借款人自身的風險狀況。當市場波動性較大時，規避風險的借款人會保持較高的安全邊際，以避免抵押品被清算。相比之下，尋求風險的借款人保持較低的安全邊際，並積極為其債務再融資，以最佳化其借入資本的使用。瞭解側枝因素與安全裕度之間的相互作用需要研究心理學對參與者行為的影響。
具有短期優先權的理性清算人被定義為從Compound智慧合約購買抵押品並立即在交易所出售的參與者（例如具有低風險承受能力）。為簡潔起見，我們將具有短期偏好的理性清算人稱為貪婪清算人。為了簡化分析模擬Compound的最壞情況，我們假設所有清算人都是貪婪的，並立即將抵押品出售給市場。這種對貪婪清算人的關注模仿了最壞情況下的協議行為，因為不利的市場和流動性條件可能導致連鎖違約。貪婪的清算人往往會加劇連鎖違約，因為它們會造成拋售壓力，並可能導致去槓桿螺旋式上升。貪婪的清算人的主要損失來源是由於拋售大量資產而造成的價格衝擊或下滑造成的損失。考慮到貪婪的清算人會立即出售，他們必須根據市場價格和預期的下滑來最佳化他們願意清算的數量。
2 清算
類似於傳統金融中的止贖出售，清算人可以用折扣償還未償債務，以換取借款人的cToken抵押品。在止贖銷售和Compound清算中，折扣都被用來激勵購買違約抵押品。Compound協議透過向清算人提供額外的抵押品折扣作為清算激勵。然而，與止贖出售的全部或無交易不同，個人清算人只能償還部分債務。關閉因子是協議引數，指定有資格由任何個人清算人清算的比例。當清算人發現一筆有利可圖的交易時，她將償還一部分未償債務（由收盤因素決定），作為對借款人抵押品的回報。根據清算人的風險偏好，清算人可以立即出售抵押品，以防範價格波動風險，也有持有收到的抵押品的。
清算激勵為清算人創造了套利機會，以換取Compound風險敞口的減少。清算激勵越高，清算人參與清算過程的次數越多，因為相對於市場價格，他們獲得的折扣更大。換言之，調整清算激勵機制是調整協議安全邊界的最有效途徑之一。清算激勵也會影響借款人在協議範圍內借入資產的決定。當借款人的留置權被清算時，清算激勵可被視為清算抵押品的獎金金額，該金額被給予清算人，以補償其在從協議的資產負債表中提取債務時所產生的風險。如果清算激勵過高，借款人可能一開始就不願意借款，也可能會提高借款頭寸，維持較高的抵押係數。一般而言，人們預計清算激勵措施的增加會對借貸需求產生負面影響。
抵押係數定義了協議中啟用的每個資產的最大借款能力。借款人必須管理自己的債務，並將其留置權抵押，以確保在最大借款能力方面有一定的安全邊際。這種安全邊際隨市場情況而波動，取決於借款人自身的風險狀況。當市場波動性較大時，規避風險的借款人會保持較高的安全邊際，以避免抵押品被清算。相比之下，尋求風險的借款人保持較低的安全邊際，並積極為其債務再融資，以最佳化其借入資本的使用。瞭解側枝因素與安全裕度之間的相互作用需要研究心理學對參與者行為的影響。
具有短期優先權的理性清算人被定義為從Compound智慧合約購買抵押品並立即在交易所出售的參與者（例如具有低風險承受能力）。為簡潔起見，我們將具有短期偏好的理性清算人稱為貪婪清算人。為了簡化分析模擬Compound的最壞情況，我們假設所有清算人都是貪婪的，並立即將抵押品出售給市場。這種對貪婪清算人的關注模仿了最壞情況下的協議行為，因為不利的市場和流動性條件可能導致連鎖違約。貪婪的清算人往往會加劇連鎖違約，因為它們會造成拋售壓力，並可能導致去槓桿螺旋式上升。貪婪的清算人的主要損失來源是由於拋售大量資產而造成的價格衝擊或下滑造成的損失。考慮到貪婪的清算人會立即出售，他們必須根據市場價格和預期的下滑來最佳化他們願意清算的數量。
3 Slippage / 滑點
滑點指交易資產價格 p 因大小 q 的匹配順序而發生的預期變化，並用數學表示為∆p(q)。從形式上講，∆p(q) 被定義為市場參與者進行交易時設定價格與實際平均執行價格之間的差額。每筆交易都不可避免地會出現下滑，這種影響在波動性較小或較高的市場中往往會被放大。對於清算機會，清算人只能部分控制滑點成本，而交易費用和智慧合約交易費用通常是外部限制。因此，滑點是影響清算人決策的主要因素之一。
市場影響是滑點的同義詞，在傳統金融學中得到了廣泛的研究。許多市場影響模型被提出並用於求解最優訂單執行問題。在傳統市場中，價格影響的邊際增長通常被視為交易量的函式而減少，這在形式上相當於∆p(q) 是一個凹函式。然而，對於加密貨幣市場，這似乎不是真的，因為經驗資料表明 ∆p(q)是線性的，甚至是凸的（例如邊際成本11儘管每種模型都有不同的基本假設和函式形式，但大多數模型包括交易量與市場規模、波動性和時間變數。分析交易規模、波動性以及這些變數如何與清算相互作用，是本文分析的重點。本報告中的分析只考慮貪婪的清算人，他們會馬上在中心化交易出售收回的抵押品，如Coinbase和Binance。由於去中心化交易所和自動化做市商（如Uniswap）提供了另一種流動性來源，人們可能會問，為什麼要強制執行這一假設。這種選擇的原因有兩個：
滑點指交易資產價格 p 因大小 q 的匹配順序而發生的預期變化，並用數學表示為∆p(q)。從形式上講，∆p(q) 被定義為市場參與者進行交易時設定價格與實際平均執行價格之間的差額。每筆交易都不可避免地會出現下滑，這種影響在波動性較小或較高的市場中往往會被放大。對於清算機會，清算人只能部分控制滑點成本，而交易費用和智慧合約交易費用通常是外部限制。因此，滑點是影響清算人決策的主要因素之一。
市場影響是滑點的同義詞，在傳統金融學中得到了廣泛的研究。許多市場影響模型被提出並用於求解最優訂單執行問題。在傳統市場中，價格影響的邊際增長通常被視為交易量的函式而減少，這在形式上相當於∆p(q) 是一個凹函式。然而，對於加密貨幣市場，這似乎不是真的，因為經驗資料表明 ∆p(q)是線性的，甚至是凸的（例如邊際成本11儘管每種模型都有不同的基本假設和函式形式，但大多數模型包括交易量與市場規模、波動性和時間變數。分析交易規模、波動性以及這些變數如何與清算相互作用，是本文分析的重點。本報告中的分析只考慮貪婪的清算人，他們會馬上在中心化交易出售收回的抵押品，如Coinbase和Binance。由於去中心化交易所和自動化做市商（如Uniswap）提供了另一種流動性來源，人們可能會問，為什麼要強制執行這一假設。這種選擇的原因有兩個：
- 對於大多數資產來說，中心化交易所的訂單深度比去中心化交易所的訂單深度大13個數量級
- 自動做市商的滑點通常被設計成小交易量小，大交易量貴，因此貪婪的清算人很可能在最不穩定的時候去集中交易所保持盈利
我們將滑點的主要特徵分解為市場變數，這些市場變數是Compound智慧合約狀態和協議變數的外生變數。
3.1 主要市場變數
3.1.1 未償還債務
協議需要清算的總交易量乘以淨負負債，將是系統中未償債務總額的函式。由於該數量是滑點移動函式∆p(q) 的輸入，顯然滑移模型的選擇需要考慮未償還債務的金額。在本分析中，我們將未償還債務的金額定義為所有借款人的未償還債務總價值之和，該值由基礎抵押品的平均每日交易量標準化。這一指標反映了債務規模相對於基礎流動性的大小，並給讀者提供了一個很好的直覺，即大的市場相對於交易市場能夠安全增長。由於不同資產的交易量各不相同，因此使用無單位指標（如未償還債務金額）可以更直觀地比較不同資產。本報告中的模擬假設借款人借了ETH支援的美元stablecoin，因為這是Compound協議中最常見的用例。以ETH日交易額為例，假設ETH日交易額為1億美元，未償債務總額0.5相當於未償債務總額的5000萬美元。
由於wash交易和其他市場操縱行為是加密貨幣市場中已知的問題，因此很難估計加密貨幣的平均每日交易量。許多研究得出結論，各種加密貨幣交易所報告的交易量可能不代表資產的基本流動性。因此，我們彙總了前十大交易所的平均每日交易量。此索引方法已被用作事實上的行業標準，主要經紀人和證券交易委員會使用按位指數進行交易量估計
3.1.2資產波動性
波動性衡量資產價格在給定時間間隔內變化的程度。歷史上，它通常被定義為對數收益的標準差，通常被表示為σ。研究表明，在市場影響模型中，波動率通常是一個線性係數。鑑於資產波動性隨時間而變化，並受市場微觀結構的影響，瞭解市場波動性變化時清算人行為的變化同樣重要。我們透過橫掃各種不同的波動性水平來評估這一點，以確保我們能夠模仿貪婪的清算人如何與過多的市場環境互動。請注意，我們將波動率計算標準化，其方式類似於BitMEX等交易所使用的方法。
3.1 主要市場變數
3.1.1 未償還債務
協議需要清算的總交易量乘以淨負負債，將是系統中未償債務總額的函式。由於該數量是滑點移動函式∆p(q) 的輸入，顯然滑移模型的選擇需要考慮未償還債務的金額。在本分析中，我們將未償還債務的金額定義為所有借款人的未償還債務總價值之和，該值由基礎抵押品的平均每日交易量標準化。這一指標反映了債務規模相對於基礎流動性的大小，並給讀者提供了一個很好的直覺，即大的市場相對於交易市場能夠安全增長。由於不同資產的交易量各不相同，因此使用無單位指標（如未償還債務金額）可以更直觀地比較不同資產。本報告中的模擬假設借款人借了ETH支援的美元stablecoin，因為這是Compound協議中最常見的用例。以ETH日交易額為例，假設ETH日交易額為1億美元，未償債務總額0.5相當於未償債務總額的5000萬美元。
由於wash交易和其他市場操縱行為是加密貨幣市場中已知的問題，因此很難估計加密貨幣的平均每日交易量。許多研究得出結論，各種加密貨幣交易所報告的交易量可能不代表資產的基本流動性。因此，我們彙總了前十大交易所的平均每日交易量。此索引方法已被用作事實上的行業標準，主要經紀人和證券交易委員會使用按位指數進行交易量估計
3.1.2資產波動性
波動性衡量資產價格在給定時間間隔內變化的程度。歷史上，它通常被定義為對數收益的標準差，通常被表示為σ。研究表明，在市場影響模型中，波動率通常是一個線性係數。鑑於資產波動性隨時間而變化，並受市場微觀結構的影響，瞭解市場波動性變化時清算人行為的變化同樣重要。我們透過橫掃各種不同的波動性水平來評估這一點，以確保我們能夠模仿貪婪的清算人如何與過多的市場環境互動。請注意，我們將波動率計算標準化，其方式類似於BitMEX等交易所使用的方法。
3.2 關鍵協議變數
3.2.1 清算激勵
清算激勵是清算人償還借款人未償債務的主要動力。如果清算激勵機制不存在，沒有理性的清算人願意在抵押品價格下跌期間降低借款人的風險敞口。清算激勵的大小對清算人的決策過程有著實質性的影響。貪婪的清算人調整他們的策略，以確保她每一次清算機會都能獲得正回報。如果清算激勵太低，無法支付套利成本（包括滑點、價格下跌和交易費用），借款人的未償債務將不再得到償還。請注意，延遲成本和智慧合約前端執行有意排除在本分析之外，因為這會帶來額外的複雜性。特別是，我們在本報告詳述的所有模擬中使用恆定的流動成本。如果有進一步的經驗證據表明清算成本由此類行為造成的損失所支配，我們可以調整我們的模擬，以處理前期執行。然而，目前交易所的前沿業務似乎比清算業務要多，這指導了我們取消交易延遲模型的決定。此外，在我們的分析中，我們採集了廣泛的滑點條件，訂單執行的延遲與清算人的滑點增加有非常相似的影響。
3.2.2 附帶因素
在理想情況下，如果清算激勵足以激勵清算人隨時立即結清可變現的借款，則無需要求對借款資產進行超額抵押。實際上，由於交易延遲或缺乏成熟的清算人，借款資產在可變現時可能無法結清。為了保護一個去中心化的利率協議不受違約的影響，需要進行過度的多邊化。擔保因素規定了借款人的最低擔保要求。如果債務不能及時清償，它可以作為額外的緩衝，防止系統抵押不足。
抵押因素的設定基本上取決於清算激勵。鑑於清算激勵是以抵押資產的形式支付的，高畫質算激勵意味著清算期間將出售更多的抵押品。如果抵押品因素太大（抵押品要求太低）無法解釋高畫質算激勵，清算人可能無法獲得其全部價值，以關閉整個頭寸。因此，當為新資產設定清算激勵和擔保因素時，她需要實施以下約束：
請注意，目前還不清楚借款人將如何根據各種抵押品因素設定來管理其債務和抵押品，而且由於缺乏經驗資料，驗證針對借款人行為所作的假設是非常重要的。在我們的模擬中，我們根據模擬輸入抵押品因子和Compound的違約ETH抵押品因子之間的比率重新調整借款人的抵押品與債務比率。我們對借款人行為的假設是我們的最佳猜測，而現實世界中的借款人行為可能會偏離模擬。
3.2.3 閉合係數
清算人只允許在每筆交易中清算一部分借入資產，最大部分由收盤係數規定。在確定關閉因子時，Compound協議設計者面臨使用者採用和協議安全之間的權衡：一個小的關閉因子可以防止借款人的大量借款資產被清算，從而增加借款需求，而一個大的封閉因素使清算人能夠立即降低系統的風險敞口。在極端的價格衝擊中，封閉因素的設計迫使清算人將一筆大額還款分解為多筆價值遞減的還款，並因此延遲清算。正確模擬封閉因素的影響需要精確模擬清算人和借款人對清算事件的反應時間。雖然關閉因子是模擬過程的一部分，但在本報告中，我們不會進一步研究更改關閉因子的效果。
模擬壓力試驗
4 模擬背景
4.1 基於代理的模擬
我們用來對Compound以太坊智慧合約進行基於模擬的壓力測試的主要工具是基於代理的模擬（agent-based simulation，ABS）。ABS被用於各種壓力測試環境，包括評估加密貨幣協議中的審查制度，檢測CFTC交易所中的欺詐交易活動，以及歐洲央行（ecb）和美聯儲（fed）的壓力測試框架。這些模擬雖然功能強大，但很難做到既有用又準確，因為模型複雜性會使其很難與實驗結果相匹配。精心的設計、調整和基礎架構有助於避免這些陷阱，並使ABS在演算法交易和自動駕駛汽車部署等行業發揮了不可估量的作用。
在這些行業中，人們要注意確保模擬環境儘可能地複製真實環境。這是透過讓代理模型與部署在活動環境中的同一程式碼互動來實現的，以便將由於錯誤或丟失而導致的誤差減至最少。雖然模擬使用者與複雜軟體互動的基礎設施開銷可能很大，但它確保錯誤僅限於代理模型中的錯誤，而不是系統動力學模型中的錯誤。
作為一個例子，Compound利率曲線（附錄10）是透過一個簡單的數學公式來描述的。可以模擬直接與此公式互動的代理，而無需託管在以太坊環境，並且讓代理生成事務。然而，以太坊的256位數值系統和不同ERC-20合約之間的精度差異往往會導致由於數值誤差而帶來災難性的損失。如果不直接針對以太坊智慧合約執行模擬並生成與代理在清算人與實時合約互動時完全相同的交易，則無法探測這些交易。
4.2 挑戰模擬環境
Gauntlet平臺用於本報告中的所有模擬和結果，它提供了一個模組化的通用ABS介面，用於直接針對以太坊智慧合約進行模擬。在這個系統中，代理模型透過Python特定於域的語言（DSL）來指定，類似於臉譜的PyTr火炬，並與一個定製的EnthUM虛擬機器互動，該虛擬機器是用C++編寫的。代理還可以與非區塊鏈模組互動，例如歷史或合成市場資料和/或其他鏈外系統資料。Gauntlet在Python中對與EVM互動進行了顯著的效能最佳化，使效能比stock工具提高了50-100倍。DSL向分析師隱藏了區塊鏈級別的詳細資訊，允許終端使用者開發策略，如果他們有相似的介面，則可以從一個智慧合約遷移到另一個智慧合約。該平臺的大部分設計靈感來自於演算法交易中的類似平臺，這些平臺允許定量研究人員開發在多個交易所（具有不同的訂單、線上協議、滑點模型等）執行的策略，而無需知道這些低階細節。此外，模擬的非區塊鏈部分類似於交易回測環境，因此代理正在與真實的訂單簿和財務資料互動。應該注意的是，這些策略發出有效的EVM事務，並且可以使用相同的程式碼路徑部署到Ethereum主網。
4.3 Compound模擬概述
對於本報告中的模擬，我們將Compound合約部署在“挑戰”平臺內，並建立了各種滑點模型和Compound價格軌跡（見附錄11.2）。我們在DSL中實施清算策略，允許具有不同風險和時間偏好的各種清算人直接與Compound合約和模擬訂單簿互動（見附錄11.6）。這些策略還包括最佳化部分，以便清算人能夠根據其滑動估計值（見附錄11.3和11.6.1）最佳化購買抵押品的數量。我們還使用DSL在Compound協議中為借款人編寫策略，並根據歷史資料擬合其風險偏好。
5 壓力測試中的問題
從流動性供應商的角度來看，只有在所提供的資產能夠安全提取的情況下，協議才是安全的。有效的清算機制對Compound市場的安全執行至關重要。當資產價格下跌，沒有清算人有動機償還借款人的未償債務時，系統就會失靈，一些貸款人無法收回資產。回想一下，一個理性的清算人的目標是在每個清算機會中獲利，這取決於清算激勵和滑動（這取決於交易規模和波動性）。有鑑於此，我們著重回答的主要問題如下：
• 當未償債務總額很高時，議定是否安全？
• 在高波動性的市場環境下，該協議是否安全？
• 如果Compound想要支援一項新資產，應如何設定清算激勵和抵押係數，以便系統具有足夠大的安全邊際？
我們將首先定義一些指標，幫助我們以定量的方式回答這些問題。低抵押執行是一種模擬執行，以市場未抵押總未償債務價值的1%以上結束。該指標用於量化系統的安全性，因為如果有大量未償債務的借款人抵押不足，系統將面臨風險。由於我們希望確保系統永遠不會抵押不足，因此我們使用嚴格的1%債務閾值來定義失敗標準。
模擬假設借款人使用ETH作為抵押品，並從Compound協議中借用stablecoin-DAI。每個清算人評估所有借款人的債務與抵押品比率，如果有套利機會，代表借款人償還DAI。我們對廣泛的市場情況進行了壓力測試，並對模擬結果進行了分析。測試場景包括：
模擬歷史資料。
• 模擬各種未償債務總額和資產波動。
• 模擬各種未償債務總額和清算激勵。
• 模擬各種未償債務總額和抵押因素。
6 結果
6.1 歷史資料
本節簡要概述清算機制，並演示關鍵指標如何隨時間變化。我們重演了以太坊最糟糕一天的價格軌跡
圖1：以太坊歷史上最糟糕一天價格軌跡的清算機制模擬（2018-02-05）。模擬假設ETH日交易額為1億美元，未償債務總額為5000萬美元。
這一天包括了一次重大的價格暴跌，ETH的價格下跌了26%。模擬結果如圖1所示，這將使讀者瞭解模擬所涉及的內容。在圖1a中，點的大小表示清算的數量。隨著價格下跌，抵押率較低的借款人首先被清算。當價格觸底至640美元左右時，很大一部分借貸頭寸被清算。
圖1b顯示了模擬流動性池的抵押比率加權平均值。在本報告中，借款人使用ETH作為抵押品，並從流動性池中提取stablecoin DAI。假設DAI價格穩定，抵押率變化主要受ETH價格和清算兩個因素的影響。我們從Compound的實際分佈中隨機抽取借款人的初始抵押比率（見附錄11.4）。初始抵押比率從170%左右開始，隨著價格下降而下降。清算人透過對風險債務進行清算，將最低抵押率控制在133%以上（=1/0.75違約擔保係數），證明清算機制在這種情況下是有效的。
在圖1c中，每一行代表單個借款人的抵押比率，點大小代表借款人的未償債務價值。所有線路大致遵循一個類似的軌跡，這是由ETH價格變化驅動的。當借款人被清算時，借款人的一部分抵押物和債務將會減少，從而導致抵押率的提高。與上一圖表類似，在清算機制運作良好的情況下，個人借款人的擔保比率絕不應低於最低擔保比率133%。如果借款人一開始沒有被清算，就有額外的33%的緩衝，以防止借款人被抵押不足。
流動性指標如圖1d所示。流動性/短缺 = 抵押品價值 x 抵押品系數 - 未償債務價值
流動性缺口不是零，這取決於借款能力與未償還債務價值的比較。隨著ETH價格下跌，抵押品價值和流動性都呈下降趨勢。由於所有風險借款頭寸都在及時清算，缺口仍為0美元。
6.2 未償債務總額與資產波動率
正如第3.1節所討論的，抵押資產的交易數量和資產的波動性是導致滑點的兩個主要市場變數，滑點是影響清算人行為的主要因素之一。這表明，協議的安全性在很大程度上取決於未償債務總額和抵押品資產的波動性。
在我們的模擬中，未償債務總額被定義為資產池的未償穩定債務總額，該總額由抵押資產的每日交易量規範化。考慮到不同的抵押資產有不同數量級的交易量，對未償債務總額進行規範化可以使我們直觀地比較不同抵押資產之間的債務（相對於擔保資產的流動性）。模擬的持續時間是一天，因此我們使用日波動率來代替常用的年化波動率，使其更易於理解。
圖2：超過30次模擬執行的平均清算人總利潤和成本。請注意，左側的y軸使用線性刻度（美元），而右側使用對數刻度。模擬假設ETH日交易額為1億美元，未償債務總額為5000萬美元。
圖3顯示了具有不同初始未償債務總額和ETH波動率的已清算債務總額。結果與我們的直覺相符：清算債務總額與未償債務總額和波動率均成正比。在高波動性情況下，借款人的抵押品價值很有可能低於抵押品要求，因此抵押品將被清算。雖然清算是Compound協議的必要組成部分，但它們也可以作為擔保不足的一個主要指標。
圖3:24小時內清算債務總額。模擬假設ETH日交易額為1億美元。總未償債務的75%相當於總未償債務價值的7500萬美元。舉例來說：在100%的情況下，2000萬美元的清算額相當於未償債務總額的20%，這顯然是一個令人擔憂的清算數字。然而，這確實符合直覺，因為只有當ETH的波動水平令人擔憂（接近50%）時，你才會看到這種情況
圖4：使用預設引數部署複合契約。根據BitMEX每週歷史ETH波動率指數，當前每日波動率約為3%，最高歷史每日波動率約為20%。模擬假設ETH日交易額為1億美元。目前，該公司未償還的stablecoin債務總額約為25萬美元。當前未償債務總額約為25%，即按抵押資產日交易量標準化的未償債務總額。
6.3 未償債務總額與清算激勵
在本節中，我們將研究清算激勵的變化如何影響協議的安全性。ETH在2019年的每日波動率在1%至4%之間。如果我們使用4%的每日波動率來生成合成價格軌跡，並調整清算激勵來評估市場風險，那麼沒有一個模擬執行使得抵押不足且沒被清算而結束。
為了在各種清算激勵下更好地評估系統的安全性，我們使用20%的日波動率作為假設。在違約105%的清算激勵下，當總未償債務價值高於ETH每日交易量時，一些借款無法得到清算，如圖5所示。儘管如此，當我們在相同的引數範圍內評估低抵押風險時，所有的模擬結果都以高抵押頭寸結束。鑑於較低的清算激勵在吸引清算人套利方面無效，人們可能會想知道，為什麼在這種情況下沒有擔保不足風險。對此，一種可能的解釋是，違約75%的抵押品系數設定了較高的抵押品要求，因此20%波動率的價格變化不足以將抵押品價值移動到未償債務價值以下。
圖6：當前的違約擔保係數為75%。模擬假設ETH日波動率為20%，ETH日交易額為1億美元。目前，該未償還的stablecoin債務總額約為25萬美元。當前未償債務總額約為25%，即按抵押資產日交易量標準化的未償債務總額。
7 結論
在本報告中，我們透過針對Compound 合約執行的基於代理ABS的模擬，對Compound 協議進行了市場風險評估。我們在廣泛的市場波動性和規模情景下對清算機制進行了壓力測試，以確保該協議能夠防止借款人在大多數情況下抵押不足。我們還使用了來自中心化加密貨幣交易所的歷史市場資料，以確保有關波動性和下滑的假設能夠代表現實世界的情況。
我們發現，只要ETH價格波動率不超過歷史高點，目前Compound協議足夠穩健，且至少可以擴充套件到當前借貸規模的3倍。我們還分析了Compound 協議採用的兩個主要風險槓桿清算激勵和抵押係數的有效性，以在安全性和資本效率之間進行權衡。
我們的方法也可以應用於具有顯著不同流動性特徵的Compound上的其他抵押品型別，如REP。這項工作將告知Compound社羣如何在協議中新增新資產時選擇抵押品因素和清算激勵。
本文來自Gauntlet Research Report，僅供參考不作任何投資建議：
